Soberanía de la IA: de priorizar la nube a priorizar lo local
Soberanía, privacidad y el caso a favor de una inteligencia suficientemente buena
Durante gran parte de las últimas dos décadas, dar prioridad a la nube se volvió una opción cada vez más racional.
Las personas trasladaron aplicaciones e información a servicios operados en otros lugares. Las empresas y las instituciones públicas trasladaron infraestructura y software a proveedores de nube porque los beneficios eran convincentes: despliegue más rápido, capacidad elástica, infraestructura administrada y acceso a capacidades que habría sido difícil o costoso reproducir de forma independiente.
La inteligencia artificial extendió esa lógica.
Los modelos de frontera ofrecieron capacidades que la mayoría de las personas y organizaciones no podían operar por sí mismas, y surgió de manera natural un enfoque que daba prioridad a la IA en la nube: cuando se necesitaba inteligencia, se enviaba el problema al servicio más capaz disponible.
Pero la inteligencia local está mejorando rápidamente, y eso plantea una nueva pregunta:
Si la inteligencia bajo tu propio control ya es suficientemente buena para la tarea, ¿por qué deberían salir de tu control la tarea y la información que la rodea?
El próximo cambio arquitectónico podría ser pasar de priorizar la nube a priorizar lo local.
Priorizar lo local significa comenzar con inteligencia bajo tu control cuando sea suficiente para el problema, y recurrir a inteligencia externa cuando esta aporte suficiente valor adicional para justificar la mayor exposición, el costo, la dependencia o la pérdida de control.
No todos los problemas requieren inteligencia de frontera
Es comprensible que la industria de la IA se concentre en la frontera.
Los modelos compiten en tareas de razonamiento, programación, ciencia y agentes cada vez más difíciles. Esas capacidades importan, y algunos problemas realmente requieren la inteligencia más poderosa disponible.
Pero la capacidad máxima no es lo mismo que la capacidad apropiada.
No contratarías a un neurocirujano para pintar tu sala solo porque tiene una formación más especializada que un pintor.
El mismo principio puede aplicarse a la inteligencia.
¿Necesitas capacidad de frontera para resumir notas privadas?
¿Para clasificar un documento empresarial rutinario?
¿Para responder una pregunta con información que ya está guardada en tu propia computadora?
Cada vez más, la respuesta puede ser no.
Un modelo local no necesita ser el más inteligente disponible.
Necesita ser suficientemente bueno para el problema que debe resolver.
La inteligencia suficientemente buena puede ser estratégicamente mejor
«Suficientemente buena» puede sonar a aceptar un resultado inferior.
Pero la inteligencia no debería evaluarse solo por su capacidad.
Supongamos que un modelo local puede realizar una tarea casi tan bien como un modelo de frontera, o incluso mejor si se ajusta para esa tarea, mientras mantiene la información, el contexto y la memoria acumulada bajo el control del usuario.
La comparación ya no es simplemente:
¿Qué modelo produce la mejor respuesta?
Se convierte en:
¿Cuánto valor adicional aporta el modelo de frontera y qué debe entregarse a cambio de esa capacidad adicional?
La privacidad, la propiedad intelectual, el costo, la disponibilidad, la dependencia de un proveedor y el control pasan a formar parte del cálculo.
A veces la respuesta favorecerá claramente a la inteligencia de frontera. En muchos casos, puede que no.
La cuestión de la soberanía y la privacidad
Como se explicó anteriormente, la soberanía de la IA abarca más que el lugar donde se ejecuta un modelo.
Pero la capacidad local puede cambiar de manera importante la ecuación de la soberanía, porque los sistemas de IA cada vez más útiles requieren contexto valioso.
Para una persona, ese contexto puede incluir documentos personales, conversaciones privadas, información financiera o memoria a largo plazo.
Para una empresa, puede incluir código fuente, estrategia interna, información de clientes o propiedad intelectual.
Para las instituciones públicas, puede incluir datos de ciudadanos, operaciones públicas sensibles, información sobre infraestructura crítica u otros datos mantenidos en beneficio de la sociedad.
Información bajo tu control se envía a una inteligencia controlada por otra institución.
Cuando la inteligencia local puede realizar la tarea de manera adecuada, ese intercambio se vuelve más difícil de justificar. Mantener la inteligencia más cerca de los datos preserva otra opción, una que puede importar mucho cuando cambian los proveedores, las políticas, las condiciones económicas o las circunstancias.
La inteligencia local también tiene costos
Priorizar lo local no es gratis.
Hay que comprar hardware. Se consume electricidad. Los modelos requieren almacenamiento, actualizaciones y soporte operativo. Las organizaciones pueden necesitar nuevas habilidades técnicas para administrarlos eficazmente.
También existe un compromiso en materia de continuidad.
Una máquina local puede fallar.
Pero los servicios centralizados en la nube también pueden fallar y, cuando eso ocurre, grandes poblaciones de usuarios pueden perder el acceso al mismo tiempo.
Por lo tanto, la inteligencia local y la inteligencia en la nube tienen distintos modos de falla.
Un sistema capaz de utilizar ambas podría preservar mayor continuidad que uno que dependa por completo de cualquiera de las dos.
Lo mismo ocurre en términos económicos.
Los proveedores de IA de frontera están invirtiendo enormes cantidades de capital en chips, centros de datos, energía y desarrollo de modelos. Los precios actuales no representan necesariamente el costo a largo plazo de la inteligencia de frontera.
Diseñar todos los flujos de trabajo suponiendo que la inferencia de frontera será siempre barata es, por lo tanto, una apuesta arquitectónica sobre factores económicos que el usuario o la organización no controlan.
La inteligencia local tiene sus propios costos, pero son diferentes y, a menudo, más predecibles.
La pregunta es si el nivel de inteligencia que se adquiere es adecuado para el trabajo que se realiza.
La regulación podría reducir las opciones locales
Hay otra cuestión de soberanía que merece atención.
Algunos enfoques regulatorios y leyes draconianas, incluidos los influidos por el movimiento «Pacing the Frontier», impulsado por la industria de modelos de frontera, podrían no favorecer la inteligencia local.
Podrían restringirla.
Las autoridades podrían decidir, por temor, que los modelos por encima de ciertos umbrales de capacidad no deben distribuirse, modificarse ni operarse localmente sin controles.
Una consecuencia sería una mayor concentración de inteligencia avanzada en empresas e instituciones de frontera.
Eso determinaría no solo lo que la IA puede hacer, sino también quién tiene permiso para poseer y operar inteligencia avanzada.
Personas, empresas e instituciones públicas podrían depender cada vez más de una inteligencia que no pueden poseer, operar, inspeccionar ni reemplazar de manera independiente.
Para los sistemas que se diseñan hoy, la lección práctica es más sencilla:
Preservar las opciones tecnológicas mientras existan.
Cuando la inteligencia entra en el mundo físico
Esa distinción podría volverse aún más importante a medida que la IA pasa de las aplicaciones a los asistentes persistentes y las máquinas físicas.
Imagina un robot personal que pueda ver el interior de tu casa, escuchar conversaciones, aprender rutinas y recordar a quienes viven allí.
¿Todo lo que ve y oye debería enviarse a un proveedor remoto para su interpretación?
¿Y quién debería controlar, en última instancia, la inteligencia que gobierna una máquina que opera dentro de tu entorno físico?
Estas preguntas van más allá de la eficiencia informática y comienzan a tocar la autonomía personal.
A medida que la IA de compañía y la robótica se conviertan en mercados más grandes, el lugar, la propiedad y la autoridad de la inteligencia podrían volverse mucho más tangibles para los usuarios comunes.
Eso merece una conversación propia.
De la inteligencia más poderosa a la inteligencia adecuada
Dar prioridad a la nube tuvo éxito porque resolvió problemas reales.
Dar prioridad a la IA en la nube vino después porque los modelos de frontera ofrecían capacidades extraordinarias que eran difíciles de reproducir en otros lugares.
Ninguno de los dos modelos tiene que desaparecer.
Pero, a medida que mejora la inteligencia local, usar el modelo más poderoso disponible para cada problema puede resultar cada vez más difícil de justificar.
Un enfoque que prioriza lo local comienza con un principio distinto:
Mantén la inteligencia y el contexto bajo tu control cuando la capacidad local sea suficiente. Recurre a sistemas externos cuando la inteligencia adicional aporte suficiente valor para justificar mayor exposición, costo, dependencia o pérdida de control.
Para las personas, eso puede significar mayor privacidad y soberanía personal.
Para las empresas, mayor protección de la propiedad intelectual e independencia operativa.
Para las instituciones públicas, mayor control, resiliencia y soberanía tecnológica.
La próxima fase de la IA podría tratarse menos de recurrir siempre a la inteligencia más poderosa disponible y más de elegir la inteligencia apropiada para el problema.
Porque, a veces, la mejor inteligencia no es la más poderosa.
Es la inteligencia que es suficientemente buena y permanece bajo tu control.